AI & 一级市场

台积电2纳米新制程试产线数据首度曝光

6月29日，业界供应链渠道释出台积电位于新竹宝山厂区2纳米（N2）工艺的最新试产线良率与晶圆参数。数据表明，其背面供电技术的最新试产表现超出了市场此前预期。（据供应链信息）

本次技术迭代将全面应用于明年的下一代消费电子旗舰芯片与大模型算力加速卡。由于引入了全新的GAA（纳米片）晶体管架构，上游设备与特定化学材料的供应链采购标准出现结构性拉高。

【投黑马点评】
2纳米工艺的试产推进，是全球算力基础设施从「架构优化」重新回到「物理极限突破」的拐点。对于一级市场的左侧投资者而言，通用芯片的设计投资红利正在边际递减，而围绕N2制程配套的先进半导体材料（如新型光刻胶、特殊气体）以及先进封装（CoWoS）上游核心部件，正打开新一轮高确定的投资窗口。

阶跃星辰传出新一轮早期算力扩容融资

6月29日，国内大模型初创企业阶跃星辰被曝正与数家产业战略投资方密集接洽，计划募集一笔专项用于万卡级算力集群扩容的早期资金。（据公开市场信息）

此轮融资将重点引入拥有地方算力节点资源的战略股东。在当前异构算力调度受到行业高度重视的背景下，此举旨在进一步保障其千亿级参数多模态大模型的持续训练与迭代。

【投黑马点评】
大模型企业的竞争早已演变为资源组织能力的博弈。阶跃星辰此举表明，早期大模型标的正在通过引入「算力地产商」来对冲长期的算力短缺风险。左侧资金在评估大模型底层标的时，应将「算力获取成本的结构性优势」作为核心判据，而非单一的模型评测分数。

科技商业

阿里自研AI干线物流重卡悄然上路测试

6月29日，由阿里巴巴物流及达摩院核心技术团队联合打造的自研智卡重卡，在华东某高等级思路上完成了首次无干预干线物流编队测试。车辆完全由其内置的具身智能大模型进行路径规划与实时避障。（据企业官方公告）

该重卡系统深度集成了高精度激光雷达与多模态视觉感知网络。测试的成功意味着基于大模型底座的自动驾驶技术正式进入国内核心货运大动脉的实测阶段。

【投黑马点评】
干线物流是自动驾驶最快闭环的万亿级商业场景。阿里此举证明，大模型能力正在向下侵入到实体工业的末梢——具身智能物流。物流巨头和电商巨头开始亲自下场重构运力。早期标的中，专注于干线重卡线控底盘改造以及商用车大模型微调的初创团队，将迎来这一波产业资本的密集扫货。

IBM正式向商业客户交付全新一代量子处理器

6月29日，IBM在欧洲量子算力中心宣布，已正式向其首批商业企业客户交付了基于全新架构的商业化量子计算处理器系统。该系统可直接在云端与现有的传统超级计算机集群进行异构协同。（据行业研究机构）

新系统在量子比特的纠错能力上实现了数量级提升，各大金融机构及跨国制药企业已率先接入，用于模拟复杂的分子结构与衍生品定价。

【投黑马点评】
量子计算正在经历从「实验室玩具」向「特定场景商业工具」的惊险一跃。尽管距离通用量子计算（FTQC）还很遥远，但这种「传统超算+量子加速」的混合模式，将直接颠覆新药研发（AI制药）和材料科学的研发周期。早期投资者应当把目光从单纯的算力卡，分出一角投向超前布局量子算法与混合编译器的初创黑马。

欧盟针对部分智能汽车联网标准展开安全审查

近日，欧盟针对部分进口智能汽车的跨境数据传输与车联网（V2X）安全标准正式启动了专项合规审查。审查重点聚焦在自动驾驶感知数据是否会在本地进行完全脱敏处理。（据监管机构公告）

此举预计将拉长部分车企在欧洲市场的软件版本更新周期，并迫使相关企业加速在欧洲本土建立独立的数据合规存储中心。

【投黑马点评】
智能汽车的跨国博弈正从单纯的关税战，升级为更隐蔽的「数据安全与合规壁垒」。合规不仅是挑战，也是左侧机会。汽车供应链中的「数据脱敏中间件」、「跨境隐私计算框架」等出海合规软件服务商，正迎来确定性的刚需爆发期。

早期项目融资快报

具身智能双足机器人初创企业「速腾星体」完成数亿元天使轮融资

6月29日，专注于工业级具身智能双足机器人研发的初创企业「速腾星体（StellarMotion）」宣布完成总额数亿元的天使轮融资。本轮融资由国内顶级硬科技早期基金领投，资金将主要用于首款双足机器人在新能源汽车总装线的落地测试。（据行业研究机构）

「速腾星体」核心团队来自全球顶尖机器人实验室。公司主打高动态平衡控制算法与自研的高功率密度一体化关节，可在复杂工业环境下实现高精度的手眼协同作业。

【投黑马点评】
双足机器人在天使轮就能斩获数亿元，足见一级市场对具身智能的焦虑与狂热。相较于单纯在实验室刷视频的团队，「速腾星体」一落地就锁死「新能源汽车总装线」这一具体产线瓶颈，商业导向极强。早期投资者应重点关注那些具备「自研核心零部件（如高精度减速器、驱动器）」且拥有真实工业客户场景切入能力的早期团队，单纯买备件组装的壳公司正在被加速淘汰。

今日左侧信号

信号：半导体供应链与具身智能在重工业、物流干线的物理落地成为资本避风港。

追踪方向：大模型泡沫正在向实体产业沉降。建议早期投资者停止在纯软件层面的内卷，重点深挖先进半导体封装材料、智能卡车线控底盘升级以及工业级具身智能细分关节标的。追踪方向 -> 前沿科技。

── 投黑马研究团队

AI & 一级市场

GPT-5.6最强一档先给20家伙伴试用

6月26日，OpenAI放出新一代模型GPT-5.6，一口气分三档：旗舰Sol、均衡款Terra、低成本款Luna。官方称Sol是迄今最强，在编程、生物、网络安全等智能体任务上明显进步；Terra价格只有上代一半，Luna则主打高并发场景的低单价。

值得注意的是，这次不是面向所有人开闸，而是先放给约20家受信任的机构做限定预览，更大范围的开放说是「未来几周」。新版还加了一个「ultra模式」，能调度子智能体并行处理复杂任务。

GPT-5.6Sol同时配上了OpenAI口中「最强的安全栈」，对高风险用途、敏感网络请求做了额外加固。（据企业官方公告、据多家媒体报道）

【投黑马点评】
旗舰模型先小范围放、再逐步开闸，正在变成头部实验室的标准动作。对一级市场来说，真正的信号不在Sol有多强，而在Terra「同代价格腰斩」——能力下沉、单价跳水，意味着应用层创业者的成本曲线又被往下压了一截。左侧投资者该盯的，是那些原先被推理成本卡死、如今刚好跑得通的垂直智能体场景。

DeepSeek首轮融资510亿元

6月16日，DeepSeek完成成立以来首轮外部融资，规模约510亿元人民币，投后估值接近4000亿元。投资方阵容颇为罕见：创始人梁文锋亲自出资，腾讯、宁德时代、网易、京东等产业方，叠加IDG资本、正心谷、砺思资本、拾象科技等机构，以及国家人工智能产业投资基金。

一家此前几乎「不缺钱、不融资」的开源大模型公司首次对外开放股权，本身就是一个分水岭式动作。（据公开市场信息、据多家媒体报道）

【投黑马点评】
DeepSeek过去最被津津乐道的，恰恰是「自给自足、不要外部钱」。如今首轮就引入产业资本和国家基金，揭示的是另一层逻辑：开源模型再省，算力和长期商业化也绕不开「朋友圈」。对一级市场，这笔钱的真正看点不是估值，而是投资名单——宁德时代、京东这类产业方入场，等于把模型公司提前绑进了能源与电商的落地管道，下一波值得追踪的，是围绕它生长的开源生态工具链标的。

MirendilAI首轮2亿美元，团队来自四大顶级实验室

6月24日，一家名为MirendilAI的新公司宣布完成2亿美元首轮融资，由a16z与凯鹏华盈联合领投，英伟达参投。这家公司主打「能自我加速的AI研发系统」，目标是用AI来造AI，约20人的创始团队分别来自Anthropic、xAI、DeepMind和OpenAI。（据公开市场信息）

【投黑马点评】
20人团队、2亿美元、顶级实验室「全明星」配置——这类标的的定价逻辑早已不看产品，而看人。值得左侧投资者注意的不是这一单，而是它折射的趋势：顶尖研究员从大厂出走单干，正在批量复制「小团队、大估值」的模板。当这种结构成为常态，早期机构的真正护城河，会从「能不能投进」转向「能不能抢在a16z之前看到名单」。

脑启发AI公司Flourish拿下5亿美元首轮

一家研究「类人脑机制」AI模型的公司Flourish完成5亿美元首轮融资，背后站着贝索斯、Lux Capital和谷歌旗下创投基金。与主流大模型走「堆数据、堆算力」的路线不同，Flourish试图从人脑的工作方式找新解法。（据公开市场信息、据行业研究机构）

【投黑马点评】
在Transformer范式一统天下的当下，资本愿意为「另一条技术路线」开出5亿美元首轮，本身就是个反共识信号。这未必意味着脑启发路线会赢，但说明顶级LP开始为「范式对冲」下注——万一缩放定律撞墙，他们手里得有牌。对左侧投资者，这类非主流架构标的是典型的高赔率小仓位，赌的不是当下，是下一个拐点。

科技商业

三大互联网巨头同时回头加订国产芯片

近期有供应链信息显示，字节跳动、腾讯、阿里巴巴三家头部互联网公司，几乎同时就新增芯片订单与华为展开接洽。另据行业人士透露，字节跳动正与天数智芯洽谈采购至少5万颗云端推理GPU，主要用于推理负载。

国产算力芯片从「备选」走向「主力采购清单」，正在成为这一轮巨头扩张算力的共同选择。（据供应链信息、据多家媒体报道）

【投黑马点评】
三家同时出手，时间点高度重合，这不是巧合，而是供应链结构变化的传导结果。对一级市场，最值得追踪的不是华为，而是它身后那条正在被订单「喂大」的国产算力配套链——推理卡、互联、液冷、封装测试，每一个环节都因为这波采购而打开了早期标的的窗口。谁能卡进巨头的验证清单，谁就拿到了下一轮估值的入场券。

孙正义股东大会放话：说AI是泡沫，是一种亵渎

6月24日，软银集团年度股东大会上，创始人孙正义罕见地把话挑明——「说这是泡沫，是对AI的亵渎」，并强调AI革命才刚开始，「超级智能」时代会迅速到来。一向以激进押注著称的他，再次把软银的叙事全部压在了AI上。（据多家媒体报道）

【投黑马点评】
孙正义喊话的对象，其实是市场里日渐增多的「AI见顶」声音。揭开看，这番话与其说是判断，不如说是仓位的自我辩护——软银在AI上的敞口大到不允许「泡沫论」成立。对一级市场的提示是冷静的：当最大的多头开始用「信仰」措辞为估值背书时，恰恰是该重新检视自己定价假设的时候。情绪到顶，往往领先于资金到顶。

人形机器人跨过量产线，每小时下线一台

人形机器人正从「演示视频」迈进「下线计数」。据公开信息，Figure AI在其BotQ工厂的Figure 03已达到每小时1台、单周50台以上的节奏，累计产出超350台，良率与自主能力持续爬坡；特斯拉Optimus第三代也将小批量产能瞄准在今夏的Fremont工厂。行业的关键词，正从「能不能做」切换到「能不能量产」。（据企业官方公告、据行业研究机构）

【投黑马点评】
「每小时一台」这个指标，比任何一段花哨演示都更说明问题——它意味着人形机器人开始进入工业制造的语言体系。对左侧投资者，故事的重心正从本体公司向上游迁移：一旦量产爬坡确立，灵巧手、关节模组、力控传感器、专用算力这些「卖铲子」的环节，反而是确定性更高、卡位更早的标的。本体厮杀越激烈，供应链越受益。

7月1日起，两项电动车安全强制国标正式实施

7月1日，《电动汽车安全要求》（GB18384-2025）和《电动汽车用动力蓄电池安全要求》（GB38031-2025）两项强制性国家标准将正式落地，对整车与动力电池的安全门槛作出更高要求。新规面向所有在售电动车型，行业普遍预期会加速低端产能与不达标车型的出清。（据监管机构公告）

【投黑马点评】
强制国标抬高的从来不只是安全线，更是入场门槛。对产业链而言，电池安全要求趋严，利好的是早就把安全冗余做进设计的电芯、BMS和热管理供应商——合规成本会把一批跟不上的玩家挤出去。对一级市场，这是一个清晰的结构性过滤器：政策驱动的出清期，往往是头部供应商份额集中、估值重定价的窗口。

豆包灰度社交，AI助手开始「长出关系链」

字节跳动旗下AI助手豆包正灰度测试社交功能，新增「对话」页面，并打通了飞书账号体系。这意味着豆包不再只是一个单点问答工具，而是在尝试把用户之间、以及与办公场景之间的关系链接进来。（据多家媒体报道）

【投黑马点评】
AI助手往社交和办公关系链伸手，揭示的是C端AI产品的下一个主战场——留存。纯工具型助手的天花板是「用完即走」，而一旦织进关系网和工作流，切换成本陡增。对一级市场，这预示着独立AI应用的窗口正在收窄：当巨头用账号体系和社交链做护城河，纯功能型创业者必须找到大厂关系链覆盖不到的垂直缝隙，否则极易被「顺手做掉」。

轻松一刻

戴着AI眼镜去考试，这位博主有点东西

近百万粉丝的一位韩国科技博主，最近发了条实测视频：戴着一副消费级AI眼镜，去挑战韩国大学修学能力考试的模拟卷。眼镜能「看到」题目、实时给出思路，整场堪称大型「科技与狠活」现场。视频评论区一半在惊叹，一半在操心——这要真进了考场，监考老师怕是要失业。（据多家媒体报道）

【投黑马点评】
一副眼镜把「外挂」装上了脸，技术是真酷，但它也顺手把可穿戴AI最尴尬的问题摆上桌：能力越强，越没人知道该让它出现在哪、不出现在哪。好玩归好玩，规则总会迟到，但不会缺席。

左侧信号

信号：国产算力采购与具身智能量产同步提速，硬科技供应链进入「卖铲子」红利期。

追踪方向：一是巨头回头加单国产芯片，正把推理卡、互联、液冷、封测这条配套链整体抬起，早期标的的验证窗口在打开；二是人形机器人跨过量产线后，价值正从本体向灵巧手、关节模组、力控传感等上游迁移。两条线指向同一逻辑——本体与算力越内卷，越早卡进巨头验证清单的供应链标的，确定性越高。建议深挖 → 黑马雷达 / 融资观察。

── 投黑马研究团队

2026年6月22日，一家成立才18个月、产品还没出货的AI网络芯片公司Upscale AI，宣布完成1.9亿美元A-1轮融资。把它单独拎出来，有四个细节不太寻常。

第一，这家公司的全部使命，就是拆掉NVIDIA最坚固的一道墙——而NVIDIA这次亲自掏钱进来了。 Upscale做的是AI数据中心的「scale-up」网络互联，对标的正是NVIDIA的NVLink与NVSwitch。后者是把成千上万颗GPU绑定在NVIDIA生态里的关键锁扣。一家立志用开放标准替代这道锁扣的公司，迎来了被替代者本人的投资。

第二，节奏。 18个月，三轮融资，累计5亿美元，投后估值冲到20亿美元——在一颗自研交换芯片尚未量产、首款产品要到2026下半年才落地的阶段。这个估值曲线，已经不像传统A轮，更像市场在用「卡位费」给一个尚未验证的赌注定价。

第三，投资人名单的杂。 领投方是管理着约150亿美元的Premji Invest；新进的有NVIDIA、Salesforce Ventures、淡马锡、Seligman Ventures；老股东里有Mayfield、Tiger Global、StepStone、Maverick Silicon、Prosperity7；更早的种子轮里，还坐着Qualcomm Ventures、Intel Capital、Celesta、Xora，甚至斯坦福大学。产业资本、主权基金、财务巨头、对手公司，挤在同一张桌子上。

第四，它是「分拆」出来的。 Upscale并非凭空而起，而是从一家比特币矿机硬件公司Auradine（现已更名Velaura AI）的内部孵化、再剥离独立出来。把挖矿攒下的ASIC设计与散热功耗经验，平移到了AI互联这条全新赛道。

这就引出了本期要回答的核心问题：当聪明钱都在抢算力、抢大模型时，为什么这一拨资本，选择押注「连接算力的那根线」？而被颠覆的对象NVIDIA，为什么要给颠覆者递钱？

二、为什么是这个方向——网络层的反叙事

过去三年，一级市场的AI叙事高度集中在两端：要么是模型层（基础模型、应用、Agent），要么是算力层（GPU、自研推理芯片、数据中心）。网络互联层，长期是被叙事忽略的中间地带。 Upscale的第一个反叙事判断就在这里：真正的瓶颈，正在从「单颗芯片多快」迁移到「成千上万颗芯片之间能不能高效对话」。

联合创始人、CEO Barun Kar把这件事说得很白：现在的网络，不再是CPU到CPU、CPU到存储，而是GPU到GPU，要求极高带宽、极低且可预测的延迟，本质上是一张「内存语义」的负载-存储网络。一句话——当模型训练把几万颗加速器绑成一台「超级计算机」，决定整机效率的，往往不是单颗芯片的峰值算力，而是芯片间同步的那一刻有没有人掉队。

第二层反叙事更尖锐：方向对了，路线却偏要跟主流反着走。 市场的默认路线是NVLink、NVSwitch、InfiniBand这一整套NVIDIA私有方案，性能强、但把客户锁进单一生态——你想用它的互联，机柜里最好全是它的卡。Upscale押的是另一条路：完全基于开放标准的「fabric」。它的技术栈搭在一组业界开放协议上——UALink（由AMD、Broadcom牵头、80多家公司支持的加速器互联标准）、Ultra Ethernet、面向scale-up的ESUN，以及开放网络操作系统SONiC与硬件抽象层SAI。目标是让不同厂商的加速器，能像插标准插座一样接入同一张网，「用同一种语言对话」。

为什么现在是时机？因为窗口正好打开。开放标准刚刚成形、还没有出现统治级的商用实现；而下游的超大规模厂商，对「避免被单一供应商锁定」的诉求达到了历史峰值。据行业测算，仅AI数据中心交换设备市场，到2030年年规模就将突破1000亿美元；五大科技公司2026年的基础设施开支预计在6600亿到6900亿美元区间，几乎是上一年的两倍。在如此体量的基建狂奔里，哪怕只啃下「开放替代」这一小块，也足够撑起一家新巨头。Upscale的赌注，是想成为「这一代AI网络的思科」。

三、投资人结构解读——五类钱，五种意图

这张投资人名单之所以值得逐一拆解，是因为它把「同一笔融资里不同资本的不同算盘」摆得格外清楚。

领投：Premji Invest——跟着人下注。 这家脱胎于Wipro创始人家族的约150亿美元基金，并非第一次押Khemani。它曾在联合创始人、执行董事长Rajiv Khemani的上一家公司Innovium后期入局，最终见证Innovium在2021年被Marvell以约11亿美元收购。管理合伙人Sandesh Patnam的逻辑很直接：过去几年算力层本身都是为生成式AI重写的，那么网络、存储、缓存——基础设施的每一层，都同样没有为这种负载设计过。这是典型的「赛道逻辑+创始人复用」双重确认：既看好瓶颈迁移的大方向，又赌一个已经赢过一次的人。

最耐人寻味：NVIDIA——被颠覆者的对冲。 一家要替代NVLink的公司，拿了NVIDIA的钱，这看似矛盾，实则是产业资本最冷静的一手。Upscale本就已是NVIDIA合作伙伴网络的一员；Khemani对此的回应是「未来是异构AI系统的世界，不是NVIDIA或我们二选一，而是各种方案共存」。对NVIDIA而言，这笔投资更像一张期权：如果开放路线真的成势，它在桌上有人；如果不成，损失有限。对赛道而言，这是一个强烈信号——连最大的既得利益者，都不敢把「开放标准会失败」当成确定性。

产业战略资本：Intel Capital、Qualcomm Ventures——拆墙的受益者。 这两家芯片巨头在更早的种子轮入局，意图清晰：开放fabric一旦成立，受益最大的正是NVIDIA之外的加速器阵营。它们投的不只是Upscale，而是「异构能跑通」这件事本身。

财务与主权资本：淡马锡、Salesforce Ventures、Tiger Global、StepStone、Maverick Silicon、Prosperity7——为「资产负债表」背书。 这一层的意义，除了成长资本，还有一个容易被忽视的作用：自研芯片在最先进制程上流片，未投产就要烧掉数亿美元；晶圆厂还要求公司提前最多两年锁定并付费预订产能。Khemani自己点破——供应商要看你的资产负债表有多强，才肯把产能留给你。换句话说，这一轮的厚度本身，就是拿给供应链看的「履约能力证明」。

孵化母体：Auradine（现Velaura AI）——分拆结构的隐形股东。 Upscale的技术与团队，部分平移自这家矿机硬件公司的ASIC与散热功耗积累。这种「老硬件团队孵化新AI基础设施公司」的结构，本身就是一种值得追踪的资本模式。

四、护城河拆解——开放标准是把双刃剑

Upscale最容易被讲成护城河的三件事：顶配的创始团队、卡位开放标准的先发身位、以及全栈自研（自己做芯片、系统、软件）。但要区分「看起来是护城河」和「真正的护城河」。

先说团队，这是最实的一块。Khemani是连续创业者，Innovium是十年里唯一在Broadcom垄断的网络芯片市场里真正撕开份额的初创公司；他还掌过Intel的网络处理业务、当过Cavium的COO。Kar则是Palo Alto Networks的创始团队成员，管过Juniper整条以太网产品线。这种「既懂芯片、又懂系统、还打过大厂硬仗」的组合，是早期最稀缺的资产，也是这轮高估值的真正锚点。

但开放标准这件事，恰恰是护城河里最脆的一环。 逻辑很简单：开放标准按定义就是非排他的——UALink、Ultra Ethernet谁都能照着做。Upscale押注开放，赢得了「政治正确」和生态盟友，却也意味着它无法靠标准本身建立排他壁垒。真正能转化为护城河的，是三样更苦的东西：一是时间窗与客户design-in，谁先拿到超大规模厂商的设计导入，谁就锁定多年订单；二是供应链卡位，提前锁定先进制程产能本身就是壁垒；三是全栈系统集成能力，把硅、系统、软件捏成一个能跑的整机，比单点做交换芯片难得多。

天花板与潜在失效场景也要说清楚。其一，对手不弱：直接竞品Nexthop AI在2026年3月已完成5亿美元B轮、估值42亿美元，进度可能更靠前；身后还有Broadcom和NVIDIA近乎无上限的研发预算。其二，开放标准能否在真实大规模训练里追平NVLink的性能，仍未被证明——「标准好」不等于「实现好」。其三，最根本的替代风险来自客户本身：若超大规模厂商选择自研互联（部分巨头已有自有方案），开放第三方的空间会被两头挤压。开放路线的尽头，也可能是被商品化。

五、被市场低估的周边机会

需要先说清楚：Upscale本轮的直接投资窗口已基本关闭——20亿美元估值、明星投资人锁满，一级市场很难再以「左侧」价格进入。真正的左侧机会，在它「照亮」的周边。

机会一：开放互联的物理配套层。 scale-up fabric要跑起来，离不开retimer、光互联、共封装光学（CPO）、高速线缆这些「毛细血管」。开放标准越成势，配套层的标准化需求越刚性，而这一层目前仍高度分散、缺少卡位者。追踪信号： 首批UALink商用交换机出货时点、光模块/连接器厂商通过UALink兼容认证的名单。

机会二：非NVIDIA阵营的加速器厂商。 开放fabric的最大受益者，是想绕开生态锁定的加速器供应商——包括AMD及一批专注推理的ASIC新创。它们需要一张「中立的网」来让自己的芯片具备集群竞争力，这反过来会催生对开放互联的真实订单。追踪信号： neocloud（新型云厂商）采用非NVIDIA加速器集群的规模化订单、异构集群的公开部署案例。

机会三：开放网络的软件与可观测层。 SONiC等开放NOS、scale-up的测试验证工具、异构集群的调度与可观测软件，是比硬件更轻、更早期、也更容易被忽视的一层。硬件巨头扎堆造芯片时，软件工具链往往留着空白。追踪信号： 围绕SONiC/UEC生态的开发者工具创业项目数量、超大规模厂商对第三方网络可观测方案的采购。

此外，「矿机硬件团队孵化AI基础设施公司」这一分拆模式本身，也值得当作一条线索追踪——Auradine之外，是否会有更多拥有ASIC与功耗散热经验的硬件团队，沿同样路径切入AI基建。

六、【黑马判断】+ 布局建议 + 风险披露 + 结语

分层布局建议

对一级市场投资者： Upscale本轮已无左侧入口，重心应转向它照亮的周边——开放互联的物理配套（光互联/CPO/retimer）、开放NOS与可观测软件、异构集群测试工具。选股标准建议三条同时满足：团队具备大厂networking或silicon背景、明确卡位某一项开放标准、且已有可验证的客户导入信号。对单纯「蹭开放标准概念」、无客户、无供应链能力的项目保持警惕。

对二级市场投资者： 间接路径更稳健。开放scale-up一旦成势，受益面会外溢到以太网交换、互联IP、光模块等已上市环节；可观察这些公司在UALink/Ultra Ethernet生态中的产品节奏。注意事项：开放标准进展与NVIDIA互联份额之间存在此消彼长，但二者节奏都高度依赖产品落地与真实性能验证，不宜用单一事件外推。

对创业者： 市场空白集中在「硬件巨头顾不上的软层」——开放fabric的调度、可观测、故障定位软件，scale-up的测试与一致性验证工具，以及异构集群的运维。这些方向资本投入轻、卡位早、且与大厂形成互补而非正面对撞。

风险披露

其一，商业化周期长。 首款基于UALink的交换芯片要到2026下半年至年底才落地，自研ASIC在先进制程上流片，未出货即需投入数亿美元并提前锁定产能，现金消耗节奏快。

其二，竞争加剧。 直接竞品Nexthop AI已完成5亿美元B轮、估值42亿美元；Broadcom与NVIDIA拥有近乎无上限的研发资源，开放阵营需要在性能上正面证明自己。

其三，技术替代风险。 开放标准能否在真实大规模训练中追平NVLink，尚未被验证；而NVLink仍在持续迭代，护城河是动态的。

其四，治理与利益结构风险。 Upscale由Auradine（现Velaura AI）孵化分拆，存在母体关联；同时NVIDIA既是被对标对象、又是股东，这一特殊结构意味着战略投资人的意图，未必始终与公司的开放路线完全一致，需持续观察其治理边界。

结语

回到开篇那个反常的画面：一家立志拆掉NVIDIA互联护城河的公司，拿了NVIDIA的钱。这恰恰说明，AI基础设施的竞争重心，正在从「谁的芯片更快」悄悄滑向「谁能把芯片连得更好、连得更开放」。Upscale未必能笑到最后——它的产品还没出货，对手个个财大气粗。但这笔融资真正昭示的，是一条左侧投资的底层哲学：当所有人都盯着舞台中央的算力，聪明钱已经在买那根连接算力、却始终不被注视的线。瓶颈会迁移，叙事会换位，提前一步看清「下一个卡点在哪」，才是左侧的全部意义。

── 投黑马研究团队

营收同比700%、利润率70%，长鑫存储这份成绩单足够惊艳。但把数字拆开，比特出货只增长了11%——这轮跃升几乎全是涨价撑起来的。当存储行业撞上数十年罕见的紧缺周期，营收会被价格抬到失真的高度，掩盖掉真正的护城河差距。本期黑马雷达不追这轮涨价的热闹，只拆一件事：决定长鑫能走多远的，为什么始终是每片晶圆的合格比特。

一、为什么现在是关键窗口

长鑫存储正在逼近全球DRAM产能前三，但当所有人盯着它的营收曲线时，真正决定胜负的，仍是每一片晶圆能产出多少「合格比特」。

先看一组让人血脉偾张的数字。2026年一季度，长鑫存储单季营收73亿美元，同比增幅约700%，营业利润率升至70%——这个利润率已经贴着三星、SK海力士、美光这三大DRAM厂商的水平线。2025年全年，它的营收同比增长156%至86亿美元，并首次录得约10亿美元净利润，毛利率从2023年的-113%、2024年的-4.7%，一路逆转到37.8%。从烧钱的产能参与者，到全年盈利的全球供给变量，长鑫只用了两年。

但把这组数字拆开，会看到完全不同的另一面。同期长鑫的比特出货量只增长了11%，平均售价却环比上涨57%。也就是说，这轮700%的营收跃升，绝大部分动力来自价格，而非真实的出货放量。更关键的是，SemiAnalysis估算，长鑫的DDR5每比特成本仍比三大厂商高出30%以上。价格周期把利润迅速推到了头部水平，可晶圆效率和制造成本，还远没有以同样的速度追上来。

这就是投黑马本期想厘清的核心张力：当存储进入历史级紧缺周期，营收和利润会同时被价格抬到失真的高度，掩盖掉真正的护城河差距。长鑫已经把规模做进了全球竞争的核心圈，但它能从「产能追赶」走向「技术追赶」吗？答案不在营收里，而在每片晶圆的合格比特里。

二、核心变量/战场定义：这场仗打的是「合格比特经济学」

要看懂长鑫，先得放下「营收」这个会骗人的指标，换成存储行业真正的硬通货——「合格比特」。

DRAM的本质是把比特刻进硅片。同样一片12英寸晶圆，谁能在相同制程下切出更多可用的比特、谁的良率更高、谁的每比特成本更低，谁就掌握了定价权和周期穿越能力。这是一门「合格比特经济学」：营收=出货比特数×单比特售价；利润=单比特售价−单比特成本。价格周期决定前者，制程与良率决定后者。涨价能让所有人短期都好看，但周期退潮时，只有单比特成本最低的玩家还能赚钱。

用一个生活化的类比：这就像一座面包工坊。市场缺面包时，每个炉子烤出来的面包都能卖高价，营收暴涨；但真正决定一家工坊能活多久的，是同样一炉面、同样的电费，你能烤出多少个不糊不塌的合格面包。长鑫现在的处境是：面包卖得和大厂一样贵（售价只低5%~10%），但每炉的烤糊率更高、面粉更费——单比特成本高出30%以上，意味着同样一片晶圆，它产出的可卖比特更少、单位成本更高。

这门经济学里还有一个隐藏的「上限阀门」：HBM（高带宽存储）。AI算力的爆发把高端内存产能源源不断抽走，HBM成了大厂利润结构里最金贵的部分。但HBM对良率的要求是普通DRAM的另一个量级——它要把多层DRAM裸片垂直堆叠键合，任何一层的晶圆良率、芯片开裂、翘曲、热应力、键合缺陷，都会让综合良率断崖式下跌。换句话说，普通DRAM比的是「每片晶圆的合格比特」，HBM比的是「每一叠堆叠的合格比特」，难度指数级上升。

所以这场战争有两条战线：第一条是普通DRAM（DDR/LPDDR）的成本与产能战，长鑫正在快速逼近；第二条是HBM的良率与制程战，长鑫还隔着一道厚厚的工艺门槛。规模决定它能不能上牌桌，合格比特决定它能赢多少。投黑马的判断是：未来三年，长鑫的故事会从「营收叙事」彻底切换到「良率叙事」，而资本市场对它的定价，迟早要跟着这个切换重新锚定。

三、竞争格局分析：四家厂商，四种命门

DRAM是典型的寡头格局，真正有意义的玩家不超过五个。这里只拆对格局走向有决定性影响的四家，外加一个正在成形的国产设备材料阵营，每一家都说清它的护城河与命门。

三星电子。 护城河是全产业链垂直整合与最深的制程储备——它同时是晶圆、HBM、封测、设备验证的玩家，现金流厚到可以在周期底部逆势扩产。隐患在于，过去两年它在HBM3E向头部AI客户的导入节奏上一度落后于SK海力士，先发的身位被对手吃掉了一块。投黑马的判断：三星的体量决定它输不了大局，但它的相对份额正在被HBM这条新赛道重新洗牌，「最大」不等于「最强」。

SK海力士。 护城河是HBM的先发卡位——它最早绑定头部AI算力客户，把HBM做成了高确定性的利润奶牛，2026年的HBM产能几乎被提前锁定。隐患是产品结构高度依赖HBM与高端服务器需求，一旦AI资本开支节奏放缓，它的弹性会反向放大。判断：SK海力士是这轮AI存储超级周期里弹性最大的标的，但「成也HBM、险也HBM」，它的命运和AI数据中心的资本开支深度绑定。

美光科技。 护城河是技术全面+地理多元的供应布局，DRAM与NAND双线作战，HBM也已切入头部供应链；2026财年第三财季营收同比暴增、毛利率创历史新高，印证了它的周期弹性。隐患是相对体量小于两家韩系厂商，在产能军备竞赛中需要持续高强度CAPEX投入（已上修至约270亿美元）才能守住身位。判断：美光是长鑫产能追赶路上最直接的对标对象——长鑫2026年底的月产能正在逼近美光，两者的贴身肉搏，是观察「合格比特」差距的最佳样本。

长鑫存储。 护城河是国产替代的稀缺性+本土客户绑定+持续扩产的产能曲线——2025年约99%收入来自DDR和LPDDR，已商业化DDR5/LPDDR5并切入手机、可穿戴、消费电子，服务器DDR5占比从约20%升至30%以上，本土云厂商正在与它讨论三年以上的长期供应协议。这是别人抢不走的结构性需求。隐患同样清晰：单比特成本仍高30%以上，HBM综合良率估算仅约25%，制程缺少EUV、只能靠DUV浸没式光刻多重图形化硬啃微缩。判断：长鑫的护城河目前建在「需求侧」（国产客户必须用它），而非「供给侧」（成本和良率还没赢）。需求侧护城河能保证它活下来、活得不错，但要真正威胁三大厂商，必须把供给侧的合格比特做出来。

国产设备与材料阵营（结构性变量）。 这不是单一玩家，而是长鑫扩产飞轮上的「卖铲人」生态——刻蚀、薄膜沉积、键合、测试设备，以及电子特气、前驱体、光刻胶等耗材。护城河是与本土存储厂深度协同验证的卡位优势；隐患是部分高端环节（如先进键合、高端光刻）国产化率仍低，进口替代是长跑。判断：在长鑫「重产能、重制程」的资本开支结构下，这个阵营的确定性反而高于存储厂本身——无论长鑫的合格比特最终做到什么水平，它扩产路上花的每一分钱，都会落到这条链上。

一句话总结格局：三大厂商比的是「谁的HBM和成本结构更强」，长鑫比的是「我能不能用普通DRAM和本土客户先站稳，再补上良率这一课」。这不是一场「谁取代谁」的零和战，而是一张正在被新增供给重画的产能表。

四、被市场低估的早期机会·4个

黑马雷达最核心的价值，是在喧嚣的主线叙事之外，找到认知差还没被填平的左侧位置。以下4个机会，每个都过了投黑马的「三层过滤」：需求真实、当前方案稀缺、认知差显著。

机会一：内存接口芯片——DDR5渗透率的「卖票员」。 DDR5相比DDR4多了RCD（寄存器时钟驱动）、CKD（时钟驱动）、SPD、温感等一整套配套芯片，服务器内存模组每一条都要用。供应紧缺把DDR5渗透率快速往上推，服务器DDR5占比突破30%，这门生意的需求是真实且刚性的。当前能做到服务器级DDR5接口芯片量产的玩家全球只有三家，国内以澜起科技为代表，方案稀缺。认知差在于：市场把它当「DRAM配角」，但它其实是DDR5放量最确定的「过路费」收取者，且不直接承担存储颗粒的价格周期风险。追踪信号： MRDIMM/CKD等新一代接口芯片的量产出货占比；服务器DDR5对DDR4的替代节奏。

机会二：先进键合与HBM封测——良率上限的「钥匙串」。 HBM的综合良率约25%，瓶颈很大一块卡在后端的堆叠键合环节。向12层HBM3E推进时，混合键合（hybrid bonding）几乎是绕不开的工艺台阶。全球能提供高端键合设备的玩家屈指可数，国内封测与设备厂正在卡位这条最硬的赛道。需求真实（HBM是大厂必争）、方案稀缺（高端键合国产化率极低）、认知差显著（市场只看HBM产能数字，忽视良率才是真瓶颈）。追踪信号： 国内封测厂HBM/2.5D先进封装产线的客户导入进展；混合键合设备的国产送样与验证节点。

机会三：电子特气与前驱体材料——扩产飞轮的「耗材账」。 每新增一片晶圆产能，背后都是持续消耗的特种气体、前驱体、光刻胶。长鑫IPO募资295亿元中，约205亿元（69.5%）砸向晶圆产线与DRAM技术升级——这意味着稳定、可预期的耗材采购增量。需求真实（产能=耗材的线性函数）、方案稀缺（高纯电子特气与高端前驱体仍是进口替代主战场）、认知差显著（市场盯着设备一次性采购，低估了耗材的持续性现金流）。追踪信号： 头部存储厂的本土材料认证通过数量；国产前驱体在G5节点的导入比例。

机会四：利基存储与模组——价格周期的「弹性放大器」。 供应紧张不只抬高DDR5，连DDR4、DDR3、利基DRAM、NOR Flash都在涨。专注利基存储与存储模组的玩家，业绩对价格周期的弹性极大，且估值往往还停留在上一轮周期低谷的锚点上。需求真实（缺货全面外溢）、方案稀缺（大厂主动退出利基产能腾给高端，留下结构性缺口）、认知差显著（市场只追HBM龙头，冷落了弹性更大的利基环节）。追踪信号： 利基DRAM/NOR的合约价环比涨幅；模组厂的库存周转与毛利率拐点。

五、关键变量追踪·3个

判断长鑫能否从产能追赶走向技术追赶，盯住下面三个可观测变量，每个都有具名信号源。

变量一：DDR5每比特成本差能否收窄。 这是长鑫供给侧护城河的核心指标。信号A——SemiAnalysis每季度对各厂DDR5单比特成本的拆解，看长鑫与三大厂商30%的差距是扩大还是收窄。信号B——长鑫招股说明书与半年报披露的毛利率结构，剔除涨价因素后的「真实成本改善」幅度。当价格周期退潮、涨价红利消失时，这个差距会变成最诚实的体检报告。

变量二：HBM综合良率能否摆脱约25%的测算水平。 这是长鑫的「上限阀门」。信号A——长鑫HBM月产能的分配数据：2025年底约26.5万片月产能里估计仅5000片给HBM，这一数字能否如测算在2026/2027年底升至3万片、5.5万片。信号B——长鑫向12层HBM3/HBM3E送样与客户验证的进展节点，以及三星、SK海力士HBM4量产时点对它的相对挤压。良率是HBM唯一的真考官。

变量三：供需缺口与合约价走势。 这是决定整个周期还能走多远的总开关。信号A——集邦等机构跟踪的DDR5合约价环比走势（DDR5 16Gb颗粒合约价已从2024年8月的约4.35美元升至2026年4月的约33美元）。信号B——本土云厂商与长鑫三年以上长期供应协议的签订落地情况，以及各厂2026/2027年CAPEX指引与新增产能投放节奏。

三变量联动逻辑（飞轮与拐点）： 供需缺口（变量三）撑起高合约价→高利润让长鑫有现金扩产并补研发（喂养变量一、二）→若成本与良率改善（变量一、二兑现），长鑫的合格比特竞争力上一个台阶，反过来增加全球供给、压低缺口（反噬变量三）。这是一个自我修正的飞轮：变量三是当下的「油门」，变量一和二是决定飞轮能转多久的「发动机」。当三者同时见顶，就是周期拐点的前兆。

投黑马·独家评级

赛道热度：🔥🔥🔥🔥🔥
超级周期烈度数十年罕见，全行业景气拉满

左侧机会：⭐⭐⭐⭐
主线龙头已被充分定价，左侧在设备材料与利基弹性

布局紧迫度：⚡⚡⚡⚡
周期高位，确定性环节可布，追涨龙头需控仓位

推荐关注层次：
设备材料（确定性）　＞　内存接口/利基弹性（弹性）　＞　HBM良率突破（非共识）

七、分层布局建议 + 风险披露 + 结语

第一层·低风险长周期（基础设施层）：存储设备与材料。 投资逻辑：无论长鑫的合格比特最终做到什么水平，扩产路上的每一分资本开支都会落到设备与材料链——这是「卖铲人」逻辑，确定性最高，且与高盛从美光财报推导的「存储扩产→设备需求」交叉验证。选股标准：与本土存储厂深度绑定、有量产订单与客户认证、国产化率仍有提升空间的刻蚀/薄膜/键合设备商与电子特气/前驱体材料商。时间窗口：2026年三季度至2027年全年，扩产高峰期。

第二层·中风险中周期（产品层）：内存接口芯片与存储模组。 投资逻辑：DDR5渗透率提升与价格周期共振，接口芯片收「过路费」、模组厂吃涨价弹性。选股标准：服务器级DDR5接口芯片有全球竞争力、或利基存储/模组业绩对价格弹性大且估值仍在低位锚点的标的。时间窗口：2026年下半年DDR5服务器渗透加速期，6~12个月。

第三层·高风险短周期（非共识层）：HBM良率突破相关标的。 投资逻辑：HBM是行业的利润上限，良率是唯一门槛；一旦先进键合、HBM封测出现良率拐点，相关玩家会被重估。选股标准：在混合键合、2.5D先进封装、HBM测试环节有真实技术储备与客户导入进展的早期玩家。时间窗口：跟随HBM3E/HBM4验证节点，弹性大但波动剧烈，仓位从严。

风险披露：

• 风险一·周期反转（中高概率，影响全部三层）： 当前乐观预期全部建立在「供给持续偏紧」之上，但存储是强周期行业，大规模扩产正在发生。一旦2027~2028年新产能集中释放，供需可能迅速逆转，价格回落将首先冲击弹性最大的第二、三层，第一层设备需求也会随CAPEX收缩而降温。当前位置追涨，本质是在周期高点做多周期。
• 风险二·HBM良率爬坡不及预期（中概率，影响第三层）： 若长鑫及国产封测在12层HBM/混合键合上的良率改善慢于测算，HBM相关非共识标的的逻辑会证伪，第三层回撤幅度最大。
• 风险三·跨境采购的政策与合规不确定性（中高概率，影响第二、三层情绪面）： 海外终端厂商寻求新增DRAM供应来源、以及相关跨境采购，涉及较高的政策与合规不确定性，落地节奏难以预判；这更多是阶段性情绪与估值扰动，而非改变供需基本面的变量，应与基本面分开评估。
• 风险四·终端利润挤压传导（中概率，影响产业链情绪）： 内存成本在终端硬件物料清单中的占比快速抬升，终端厂商利润承压，可能反向压制对上游的拉货节奏与情绪，传导至中下游标的。

结语： 回到开篇那个问题——决定长鑫存储胜负的，从来不是营收涨了多少倍，而是每片晶圆能产出多少合格比特。规模能让它站上牌桌，价格周期能让它一时风光，但能稳定交付多少低成本、高良率的比特，才会决定它对三大厂商形成多大的真实压力。月产能冲到50万片之后，故事的下半场，看的是合格比特。投黑马会沿着那30%的成本差、G5的良率爬坡、25%的HBM综合良率这三条线，持续替您盯住这场追赶的真实进度。

投黑马·信号解读

长鑫存储的700%营收增长，是一面会反光的镜子——它照出的是存储超级周期的烈度，而不是这家公司护城河的厚度。把涨价红利剥掉，留下的才是真问题：每比特成本与综合良率。

对一级市场而言，最确定的钱不在喧嚣的存储龙头身上，而在它扩产飞轮的「卖铲人」环节，以及被市场冷落、却对价格周期弹性巨大的利基与接口位置。主线越热，左侧越要冷。

接下来12个月，请重点盯三个信号：DDR5每比特成本差是否收窄、HBM综合良率能否越过25%、以及DDR5合约价的环比拐点。任何一个见顶，都可能是周期下半场的发令枪。

── 投黑马研究团队

今年早些时候，纽约联邦储备银行发布的数据显示，美国哲学专业毕业生找到工作的概率高于计算机科学专业的同龄人。在数据可查的最近一年（2024年），计算机科学专业毕业生失业率为7%，哲学专业仅为5.1%。耶鲁大学哲学家卢西亚诺·弗洛里迪（Luciano Floridi）说，不少学生还没毕业就收到了offer，学术界的人才流失被他形容为一场「大出血」。这股看似反常的潮流背后，是AI实验室正把两千多年的哲学传统，当成一种新的工程方法在用。

一、进展详情：从苏格拉底到「灵魂文档」

哲学给AI研究者的启示，许多其实由来已久。古希腊的「苏格拉底式反诘法」——佯装无知、层层追问，以澄清概念、暴露矛盾、揭示后果——正在被搬进模型训练。慕尼黑大学哲学与人工智能专家约尔格·诺勒（Jörg Noller）观察到，经过苏格拉底式方法训练的模型，不再那么热衷于讨好人类，而是更愿意追求真理，从而缓解当前许多系统普遍存在的「阿谀奉承」倾向。

与之配套的是「苏格拉底式无知」：在《申辩篇》中，苏格拉底称自己的智慧主要在于知道自己有多无知。把这种谦逊植入模型，有助于抑制过度自信——诺勒把这一常见缺陷称作「人工智能的不成熟」。谷歌DeepMind资深哲学家伊阿松·加布里埃尔（Iason Gabriel）认为，全行业幻觉现象的减少正得益于此类努力；从更宏观的层面看，他把哲学训练称为改善长链条推理（即「思维链」）的「强大机制」。

最具代表性的产物，是给模型写一部「宪法」。位于旧金山的AI实验室 Anthropic 是这一理念的倡导者之一——其 Claude 模型的「宪法」融合了从康德著作、苹果公司服务条款到《世界人权宣言》的庞杂素材，由首席哲学家阿曼达·阿斯克尔（Amanda Askell）主导的最新版本于1月21日发布，长达78页，被一些员工戏称为 Claude 的「灵魂文档」。

二、趋势与商业模式：把伦理框架做成产品旋钮

把单一案例放到一起看，会发现这并非孤立事件，而是一条正在升温的产业走向：哲学训练正从「锦上添花」变成模型差异化的底层配置。它至少沿三条路径商业化。

其一是把价值观直接写进模型。特拉华大学技术哲学家托马斯·鲍尔斯（Thomas Powers）举例，若给一个AI法律助手喂入约翰·洛克的著作，它便会把强有力的财产权视为政治自由的基础。开发者若不认同某套原则，可以替换素材，也可以做成可调参数。IBM 的「Granite」系列模型就配备了调节旋钮，让企业客户把模型输出与自家理念对齐；IBM 负责任人工智能负责人弗朗西斯卡·罗西（Francesca Rossi）说，这些旋钮让用户自行选择哲学上的权衡，例如在「个人自主」与「社会和谐」之间找平衡。把抽象伦理变成一个可销售的配置项，这正是新商业模式的雏形。

其二是把伦理框架当成产品性格来差异化。哲学家主要聚焦两大伦理路线。一是「义务论」（deontology），它设定严格规则，禁止撒谎、胁迫以及把人当作手段，即便是为了更大利益。Anthropic 的宪法纳入了大量义务论规定，鲍尔斯认为这能让AI行为更一致——对于要部署进家庭和公共场所的机器人是一项优势；牛津大学哲学家尼克·博斯特罗姆（Nick Bostrom）则指出，以义务论视角看世界的模型往往更诚实、更不容易误导用户，而诚实正是 Claude 受关注的特质之一。另一条路线是「后果论」（consequentialism），通过权衡成本与收益来决策，OpenAI 的 ChatGPT 与谷歌的 Gemini 更偏向这一路线——谷歌为其模型设定的「整体利益远大于可预见风险」便是典型的结果导向目标。

可以判断，这条赛道正处在从「萌芽」迈向「升温」的阶段：标准尚未统一，但头部实验室已不约而同把伦理路线作为模型对外的核心性格标签。

三、全球风口与格局：实验室、车企与安全公司同时入场

往全球视野看，争抢哲学人才的并不只有大模型公司，资本与岗位正沿着「凡是要替人做判断的系统」扩散。

应用层是一个明显的聚集点。硅谷实验室 Inflection AI 把义务论约束用在了主打情感支持的聊天机器人 Pi 上，其负责人肖恩·怀特（Sean White）说，Pi 擅长识别有自残或伤害他人风险的用户；弗洛里迪也指出，义务论式的「宪法」有助于确保合规。自动驾驶是另一个核心场景——当事故不可避免时，软件必须决定以何种最不惨烈的方式碰撞，这是一道典型的后果论难题。Waymo 高级工程师克里斯·格德斯（Chris Gerdes）说，当前趋势是让驾驶软件更具后果论导向。在国防与军用系统领域，后果论同样处于核心：相关从业者表示，系统设计需要把任务目标与可能的附带伤害进行权衡——这里的讨论停留在技术与伦理框架层面，而非政策评判。

格局之外，变量同样清晰。哲学家关心的「棘手问题」恰恰是这套体系尚未解决的部分：什么情况下可以打破义务论规则？后果不明朗时如何决策？系统是否该把动物福利或环境纳入考量？为商用车制造AI安全系统的 Nauto 公司负责人、哲学家斯特凡·赫克（Stefan Heck）甚至抛出一个更尖锐的设问：优先保护年轻行人而非老年行人，道德上是否可接受？他预测未来会出现充满伦理争议的诉讼——毕竟后果论算法明确允许造成某种伤害，只要初衷是避免更严重的后果。批评者还担心「道德能力退化」：当机器越来越多替人做伦理判断，人类是否还愿意自己判断？路易斯维尔大学AI理论家罗曼·扬波斯基（Roman Yampolskiy）提醒，道德「在历史上不稳定、在文化上多变、在战略上可被操纵，而且往往只有事后才被理解」。

投黑马 · 前沿洞察

哲学家进入AI，本质上是模型竞争从「能力」延伸到了「价值观」——当各家模型的智力水平逐渐拉平，「它信什么、守什么规则」正成为新的差异化战场。

当前最值得关注的，是把伦理框架做成可销售配置的尝试：从 Anthropic 的78页「宪法」到 IBM 的价值观旋钮，抽象哲学第一次有了明确的产品形态与付费理由。

读者可持续跟踪三个具体看点：一是各家模型「宪法/对齐文档」的公开版本与更新节奏，二是义务论与后果论路线在自动驾驶、情感陪伴等场景的落地分化，三是首批围绕「算法允许的伤害」展开的伦理诉讼何时出现。

── 投黑马研究团队

近日，复旦大学、伦敦国王学院与巴黎萨克雷大学等机构组成的团队在《自然·精神健康》（Nature Mental Health）上发表研究，借助大规模多组学数据分析，在分子层面给出了一个明确答案：横跨六种精神与神经发育疾病，确实存在一套共享的基因与免疫系统特征。团队共鉴定出 73 个具有因果关系的 DNA 甲基化位点和 62 个致病基因，并精确定位出三个起核心枢纽作用的基因——MAD1L1、MRPL2 与 HLA-DRB1。

一、这项研究做了什么

精神疾病与免疫系统失调相伴出现，是科学界早已注意到的现象，而免疫失调又与细胞内部的基因调控密切相关。研究团队这次盯住的，正是连接两者的一个关键环节——DNA 甲基化。这是一种表观遗传调控机制，它不改变基因序列本身，而是在 DNA 上添加化学修饰，借此调高或调低基因的表达强度，进而影响蛋白质合成与细胞功能。

真正的难点在于因果方向。如果直接研究已经确诊的成年患者，几乎无法分清：体内的分子变化究竟是疾病本身造成的，还是长期服用精神类药物、生活方式改变留下的后遗症。为绕开这种因果倒置，团队把目光投向了发病与用药之前的关键发育窗口——14 岁。

数据来自国际青少年心理健康与脑科学项目（IMAGEN）中 1274 名 14 岁健康青少年的血液多组学样本。研究者先在这群健康少年体内，测绘了数以百万计的基因变异、DNA 甲基化位点和基因表达数据，摸清在健康状态下，哪些特定基因变异会控制甲基化水平和特定基因的表达量——相当于先画出一张「底层调控规则图」。

接着是关键一步：把这张规则图，与汇集了数十万真实精神疾病患者的全基因组关联研究大数据库交叉比对，并引入「孟德尔随机化」统计方法。每个人从出生起就携带一套独特的基因变异，这套变异在受孕时即已随机确定、不受后天疾病或用药干扰，因此可以充当天然的「实验分组」。如果外部数据库显示某个基因变异在患者中出现频率极高，同时健康青少年的数据又证实该变异会导致某个基因表达异常，就能顺着这条链推断出一条因果关系，而非简单的相关。

二、共享的基因组架构与三个枢纽

通过这种跨数据分析，研究最核心的发现是：大脑和免疫系统在基因层面有着千丝万缕的联系。被鉴定出的 73 个 DNA 甲基化位点和 62 个致病基因，大量富集在与自身免疫疾病相关的生物学通路上。换句话说，精神疾病与免疫系统疾病之间，存在着一套共享的基因组架构——这在微观层面为「精神疾病也是一种免疫相关疾病」的猜想提供了直接证据。

研究还证实，不同精神疾病之间确实存在跨疾病（transdiagnostic）的调控通路，而非各走各路。分析模型从中梳理出三个起核心枢纽作用的基因：MAD1L1、MRPL2 和 HLA-DRB1。它们的表达变化，直接介导了 DNA 甲基化对精神分裂症、失眠等疾病的因果效应。

机制可以拆得更细。例如，某一特定位点的 DNA 甲基化会抑制 MRPL2 基因的表达，而这种抑制会同时抬高失眠和精神分裂症的患病风险——一个开关，两种结果。反过来，由另外几个位点驱动的 MAD1L1 和免疫相关基因 HLA-DRB1 表达量升高，则是导致精神分裂症的潜在病因。值得注意的是，HLA-DRB1 属于人类白细胞抗原基因家族，本身就是免疫系统识别「自我」与「外来」的核心成员之一，它出现在精神分裂症的因果链上，恰好呼应了整项研究「免疫—精神」相连的主线。

三、从症状学到分子网络：精神医学正在换一套坐标系

把这项研究放到更大的脉络里看，它代表了精神医学正在发生的一次坐标系切换：从宏观的症状学，转向微观的跨疾病分子调控网络。

过去一个多世纪，精神疾病的诊断主要建立在症状观察之上——医生依据患者的行为、情绪和认知表现来归类。这套方法的软肋在于，症状相似不等于机制相同，机制相同也未必症状相似，因此同一个诊断标签下可能藏着完全不同的生物学病因。近年来，「跨诊断」研究范式正是对这一困境的回应：不再预设疾病边界，而是去寻找跨越多种疾病的共同生物学基础。这次锁定 73 个位点、62 个基因和三个枢纽，正是这一范式落到分子层面的一个具体成果。

这条路径指向的商业化方向也逐渐清晰。基于对共享生物学通路和免疫特征的理解，未来的精神医学有望开发出针对底层分子机制的全新诊断工具——以血液中的甲基化位点或基因表达作为生物标志物，在症状尚不典型时就识别风险。更进一步，由于研究锚定在 14 岁这个发病前窗口，它为「早期干预」提供了分子依据：理论上，可以在青少年发病初期，通过靶向 MAD1L1、MRPL2 等关键基因，一次性影响多种精神与睡眠障碍的风险。诊断试剂、风险筛查、以及瞄准免疫通路的药物再利用，都是顺着这条逻辑能展开的商业形态。

需要客观看待所处阶段：免疫—精神的分子机制研究目前处于「升温」阶段而非主流。因果链由统计模型推断得出，仍需更多生物学实验和独立队列验证；血液样本反映的调控状态与脑组织之间也存在差异，距离临床可用的诊断产品还有相当距离。

四、全球视野下的免疫精神医学

把镜头拉到全球，「免疫精神病学」（immunopsychiatry）正成为神经科学与精神医学交叉地带一个明显升温的方向。越来越多团队不再孤立地看待大脑，而是把免疫系统、肠道、表观遗传纳入同一张机制网络来研究精神疾病，多组学加孟德尔随机化也逐渐成为这一领域厘清因果的标配工具组合。

这次研究本身就是一个跨区域协作的样本：复旦大学、伦敦国王学院、巴黎萨克雷大学的研究力量同台，背后依托的 IMAGEN 项目则是欧洲多国共建的大型青少年脑科学队列。数据资源、统计方法与神经科学积累在不同机构间汇合，是这类大规模多组学研究能够成立的前提，也解释了为什么前沿成果越来越多以多机构联合署名的形式出现。

资本与人才的聚集方向同样值得关注。精准精神医学、基于生物标志物的早筛、以及神经免疫方向的新药研发，正吸引一批生物科技公司和研究型资本入场。它们瞄准的，是一个长期被「无客观诊断指标」困扰的庞大临床需求——精神疾病至今仍主要靠问诊和量表判断，谁能率先把可测量的分子指标转化为可靠的诊断或干预手段，谁就握住了这条赛道的关键变量。

格局之外，不确定性也真实存在。从一条统计因果链到一款获批的诊断工具或疗法，中间隔着机制验证、临床试验、监管审批等漫长环节；基因表达与甲基化的个体差异，也给「通用型」生物标志物的落地带来挑战。这条赛道的斜率，取决于后续验证能走多扎实，而非一项研究的单点突破。

投黑马 · 前沿洞察

这项研究的本质，是把精神疾病从「按症状分类」推进到「按分子机制分类」——它没有发明一种新疗法，却为整个领域换了一套更接近病因的坐标系，并把免疫系统正式写进了精神疾病的因果链。

当前最值得关注的不是某一个基因，而是「免疫—精神」这条交叉主线的验证进度：多组学加孟德尔随机化能否在更多独立队列中复现，以及血液信号能否真正映射到脑内机制。MAD1L1、MRPL2、HLA-DRB1 三个枢纽基因，是观察这条线能否从统计走向生物学的具体抓手。

可持续追踪三个看点：其一，HLA-DRB1 等免疫相关基因在后续精神疾病研究中是否被反复验证；其二，是否出现以甲基化位点为标志物的青少年精神疾病早筛工具进入临床验证；其三，瞄准神经免疫通路的精准精神医学公司与药物再利用项目的融资与进展。

── 投黑马研究团队

这不是孤例。把时间轴往回拉四个月：2 月，李飞飞的 World Labs 拿到 10 亿美元；3 月，Yann LeCun 离开 Meta 后创办的 AMI Labs 拿到 10.3 亿美元种子轮；同月 Runway 融资 3.15 亿美元。一个半年前还只活在论文里的词——「世界模型」（world model）——正在变成一条有头部玩家、有巨头站队、有真金白银定价的赛道。

Odyssey 的 CEO Oliver Cameron 把这一轮的目标说得很直白：要让世界模型迎来自己的「GPT-3 时刻」。对左侧投资者来说，真正的问题不是这句话够不够性感，而是：这条线现在处在哪个阶段，又有哪些可观测的变量，能让你在共识形成之前就看清它的真实斜率。

一、信号描述

Odyssey 是一家专做「世界模型」的实验室，创始团队来自自动驾驶——也就是把 AI 用在物理世界里最难的那个场景。这次 3.1 亿美元 B 轮，把它的估值推到 14.5 亿美元，并同步宣布与 AWS 达成合作：亚马逊成为其首选云服务商，Odyssey 将采用专为大规模训练设计的 Trainium 芯片。

所谓世界模型，指的是能够理解并模拟物理世界因果关系的多模态系统，区别于以预测下一个词为核心的大语言模型。Odyssey 过去三年陆续放出 Odyssey-2 Max（提升物理仿真精度）、Starchild-1（首个实时多模态世界模型）、Agora-1（共享世界中的多智能体交互）等成果，研究团队来自 DeepMind、特斯拉、Waymo、Meta、苹果与 Wayve。

数量级上看，单笔 3.1 亿美元在今天的 AI 融资里算不上头条；但叠加上半年内同一方向的几笔十亿美元级融资，这条线累计吸纳的资本已经不是「一个团队的故事」，而是「一个品类的形成」。

二、为什么值得左侧投资者认真对待

第一个要回答的问题是：这是概念炒作，还是结构性拐点？我们的判断偏向后者，依据有两点不寻常的细节。

其一，定价方在变。给 Odyssey 站台的不只是财务投资人，而是亚马逊、AMD、谷歌风投这类产业资本，外加 Jeff Dean 这样的技术权威以个人身份入场。当云厂商、芯片厂商和顶级研究者同时下注同一个方向，说明这件事已经从「研究赌注」前移到「基础设施卡位」——巨头担心的不是错过一家公司，而是错过一种新的算力消耗形态。

其二，叙事在收敛。Natural Capital 的合伙人把这笔钱称为其「迄今最大单笔投资」，理由是相信 Odyssey 有可能「定义语言模型之外的 AI」。半年里，李飞飞、LeCun 这两位分处学界两端的人物不约而同押注世界模型，本身就是一个强信号：当对同一条技术路线的判断开始跨阵营趋同，往往意味着它正从边缘议题走向主流共识的前夜。

窗口判断上，我们认为世界模型整体仍处在早期向主流过渡的拐点：头部玩家已经清晰（World Labs、AMI、Odyssey、Runway 各占身位），但商业化路径、评测标准、杀手级应用都还没定型。这恰恰是左侧最有价值的一段——共识已足够支撑融资，但定价尚未充分，认知差还在。

三、传导路径

第一层：直接受益方——世界模型实验室本身。

最直接的受益者是已经卡住身位的几家头部实验室。它们拿到的不只是钱，更是算力承诺与产业绑定（Odyssey 绑定 AWS Trainium 即是一例）。对左侧而言，这一层的机会窗口正在快速收窄——估值已经到十亿美元量级，留给早期入场的空间有限。真正值得盯的是第二梯队：在某个垂直场景（机器人仿真、自动驾驶数据生成、游戏内容）里用世界模型做出差异化、但还没被巨额融资点名的小团队。

第二层：结构性机会——被大厂逼出来的细分空间。

巨头扎堆做「通用世界模型」，反而会把一批更聚焦的需求留给创业公司。世界模型要落地，需要物理仿真的评测基准、合成数据的标注与质检、长时序一致性的工具链。这些「卖铲子」的环节，往往不是大厂愿意亲自做的脏活，却是整条链跑通的必需品。被竞争挤出的细分空间，通常比主赛道更适合左侧布局。

第三层：基础设施受益——无论谁赢都会被消耗的底层资源。

Odyssey 与 AWS 的 Trainium 合作点破了一个事实：世界模型是当前 AI 里对算力吞吐和延迟要求最苛刻的工作负载之一。无论最终哪家实验室胜出，训练与推理所消耗的专用芯片、高带宽存储、推理优化软件都会被持续吃掉。算力与数据这两类底层资源，是这条赛道里确定性最高的一层——它不赌单一团队的成败，只赌品类整体的扩张。

第四层：风险与泡沫——别被「下一个 GPT-3」带节奏。

需要冷静的一面同样明显。「GPT-3 时刻」是一句极具感染力的口号，但世界模型至今没有公认的评测标准，也没有一个真正出圈的杀手级应用；半年内密集的十亿美元级融资，已经把头部估值推到了业绩尚无法验证的高度。当一个品类在产品成熟之前先完成了资本成熟，FOMO 情绪与过度定价就是最大的风险。左侧的纪律在于：相信方向，但对单个标的的入场价保持苛刻。

投黑马 · 信号解读

世界模型正在重演大模型早期的剧本——在产品被验证之前，资本和巨头已经先一步完成了卡位。它的本质，是 AI 从「理解语言」向「理解物理世界」的一次范式外延，确定性在方向，不确定性在节奏与赢家。

当前最值得关注的不是某一家头部实验室的估值，而是它们对算力与数据的争夺方式：谁拿到了更便宜、更专用的训练资源，谁就握住了这条赛道的真实成本曲线。Odyssey 绑定 AWS Trainium，就是这种卡位的一次公开演练。

左侧投资者可追踪三个可观测信号：其一，专用训练芯片（如 Trainium、AMD 系）在世界模型实验室中的采用进展；其二，是否出现公认的世界模型评测基准或榜单——这是品类从「讲故事」转向「比性能」的分水岭；其三，第一个跑出真实付费场景（机器人、自动驾驶数据、游戏）的世界模型应用何时出现。

── 投黑马研究团队

有一类失败，比「没人要你的产品」更让人惋惜。

一家公司花了两年时间，终于做出了用户真正愿意付钱的东西。复购在涨，口碑在传，投资人开始排队，创始人第一次睡了个好觉——他确信自己已经穿过了创业最凶险的那段路。然后他踩下油门，把团队从30人扩到300人，把市场预算翻了十倍，把仓库从一个城市铺到十个城市。十八个月后，公司账上没钱了。

这不是一个虚构的剧本。它几乎是过去十年里，每一家「明星创业公司」走向死亡时共同的开场白。外人复盘时通常归因于「扩张太快」「烧钱太狠」，但这些都是结果，不是病因。真正的问题是：创始人把「验证了PMF」误读成了「拿到了通关文牒」，于是用一张单点验证的门票，去闯一座需要三道关卡的城。

PMF（Product-Market Fit，产品与市场契合）从来不是终点，而是一个新游戏的起点——而且是规则完全不同的新游戏。在投黑马研究一级市场早期项目的过程中，我们反复看到同一种错位：早期投资人盯着「有没有PMF」做决策，却很少有人系统地追问「这个PMF撑不撑得起规模化」。这篇文章想交给你的，正是回答后一个问题的工具。

二、框架核心：死亡谷三关模型

我们把PMF到规模化之间这段路，称为「死亡谷三关」。

「死亡谷」这个词在创业语境里常被用来形容现金流为负、收入还没跑起来的早期阶段。但我们想重新定义它：真正的死亡谷，不在产品出生前，而在PMF验证后、规模化跑通前的这段窄路。因为这一段路上，公司同时具备两个致命特征——它有足够亮眼的早期数据让人敢于下重注，又还没有任何证据证明这些数据可以被放大十倍而不变形。

死亡谷三关模型把这段路拆成三道必须依次通过的关卡：

第一关，增长质量关——你的增长是真需求，还是被早期红利、补贴和创始人个人努力托起来的幻觉？

第二关，组织承重关——把创始人脑子里的判断力，能不能复制成一套不依赖天才的系统？

第三关，单位经济关——当规模放大，你的成本结构是被摊薄，还是被反噬？

这三关有严格的先后顺序，也有清晰的边界。它解决的是「一个已验证PMF的项目，能否安全放大」的问题；它不解决「要不要做这个产品」（那是PMF阶段的事），也不解决「公司估值多少」（那是定价的事）。换句话说，这是一把专门用来检验「油门该不该踩、踩多深」的尺子，而不是用来判断方向盘往哪打的。

一个反直觉的前提需要先说清楚：三关里没有任何一关是关于「产品好不好」的。产品好，是你能站到死亡谷入口的前提，但它在谷里帮不了你。谷里考验的全是另一套能力——增长的可重复性、组织的可复制性、经济模型的可放大性。这正是为什么那么多「好产品」公司会死：它们把所有注意力都留在了已经通过的考试上。

三、框架详解：逐关拆解

第一关：增长质量关——区分「被拉动的增长」和「会自走的增长」

PMF阶段的增长，几乎总是「不干净」的。

早期用户往往是创始人的朋友、行业里的尝鲜者、被首单大额补贴吸引来的薅羊毛者，或者是某个一次性渠道红利带来的流量。这些增长是真实的，订单是真发生的，但它们有一个共同的隐患：不可重复。当你想把规模放大十倍时，朋友用完了，尝鲜者饱和了，补贴烧不起了，渠道红利消失了。

这一关的核心问题是：把所有「一次性来源」剔除后，还剩下多少增长？

判断标准有三个可操作的切口。第一是留存曲线是否走平——健康的PMF应该有一条会在某个水平企稳的留存曲线，而不是持续衰减到零；如果老用户留不住，新用户进得再多也只是在给一个漏水的桶注水。第二是自然增长占比——剔除付费投放和补贴后的有机增长能否支撑起一条独立的增长线。第三是获客的边际难度——你获取第1000个用户和第10000个用户，单位成本是趋于下降（说明有网络效应或品牌沉淀）还是急剧上升（说明你正在把钱花在越来越不精准的人群上）。

反面示例最典型的就是「补贴驱动的繁荣」：一家公司用首单五折拉来海量新客，报表上GMV曲线陡峭得令人振奋，但一旦补贴退坡，复购率断崖式下跌。它的增长从来不是需求驱动的，而是价格驱动的——这种增长放大十倍，亏损也会同步放大十倍。增长质量关筛掉的，正是这种「把营销费用误认成产品魅力」的公司。

第二关：组织承重关——创始人能不能把自己「复制」出去

通过了增长质量关，你证明了需求是真的。但接下来的问题是：满足这个需求的能力，目前装在谁的脑子里？

在PMF阶段，公司的核心竞争力往往高度集中在创始人个人身上——是他亲自谈下了关键客户，是他凭直觉拍板了最重要的产品决策，是他在深夜救回了濒临崩溃的服务。这套「英雄主义」在30人时无比高效，但它恰恰是规模化最大的隐形天花板。因为一个人的判断力、时间和精力是无法线性放大的。

这一关的核心问题是：创始人脑子里那套让公司活下来的判断力，能不能被拆解成一套不依赖他本人的系统？

判断标准是看三件事能否「下放而不失真」：招聘标准（能否把「什么样的人适合我们」写成可复用的画像，而不是每次都靠创始人面聊拍板）、决策流程（关键决策能否沉淀为可传授的原则，而不是事事上升到创始人）、质量标准（产品和服务的水准能否靠流程保障，而不是靠某几个核心员工的良心）。一家公司从100人扩到500人时，如果这三件事还牢牢锁在创始人一个人手里，组织就会在承重点上断裂。

反面示例是「永远在救火的CEO」：公司规模翻了几倍，创始人却越来越忙，因为每一个新招进来的人都需要他亲自带、亲自纠偏、亲自兜底。表面看是创始人勤奋，本质是组织没有承重能力——所有重量都压在一根柱子上。这种公司即便增长是真的，也会在规模化途中因为「人对了、系统没跟上」而塌方。投黑马在评估早期项目的成长性时，会特别关注创始人是否已经开始有意识地「把自己变得不那么重要」，这往往比当下的业绩更能预示一家公司能不能扛过第二关。

第三关：单位经济关——规模到底是在帮你，还是在害你

前两关都过了，最后一关最冷酷，因为它纯粹是数学。

很多创业者有一个根深蒂固的信念：规模会带来效率，量大了成本自然就摊薄了。这在很多行业是对的，但绝不是普适规律。有相当一类生意，规模放大不仅不摊薄成本，反而会让单位经济持续恶化——因为它的成本里有大量随规模线性甚至超线性增长的部分（履约、人工、获客、退货），而这些部分并不会因为「量大」就变便宜。

这一关的核心问题是：当你把规模放大十倍，单个用户的终身价值（LTV）和获客成本（CAC）之间的关系，是变好还是变坏？

判断标准是盯死三组数字的「规模化方向」。LTV/CAC比值：随规模扩大，这个比值应该走向健康（通常希望大于3），而不是因为获客越来越贵、留存越来越差而跌破1。贡献毛利：剔除所有可变成本后，单笔订单到底是赚是亏，以及这个数字在放量时是改善还是恶化。回本周期：一个用户多久能赚回获客成本，规模化时这个周期是缩短还是被拉长。三个数字里只要有一个在放量时朝着坏的方向走，规模化就是在加速失血。

反面示例就是那种「卖得越多亏得越多」的生意：每多服务一个客户都要倒贴，公司却把希望寄托在「等规模再大一点，单位成本就降下来了」——但如果成本结构里的大头根本不随规模下降，这个「再大一点」就是一个永远兑现不了的承诺。单位经济关是三关里最不讲情面的一关，因为它不接受任何关于未来的叙事，只认当下的算术。

这三关的关系是层层过滤、不可跳过：增长质量关确认「需求是真的」，组织承重关确认「我们交付得了」，单位经济关确认「越交付越赚钱」。任何一关没过就踩油门，都是把油门当刹车踩。

四、实战案例：Blue Apron 是怎么走完这三关的

把死亡谷三关模型套在一个真实案例上，最清晰的莫过于美国生鲜半成品配送公司 Blue Apron。这是一个被市场完整验证过的案例——它确实找到了PMF，也确实倒在了规模化前夜，从巅峰估值跌去九成以上，最终退市易主。我们不做价值评判，只用它来走一遍框架的每一道关。

第一关，增长质量关。 Blue Apron 早期的PMF是真实的：大量都市白领厌倦了「想吃得健康却没时间买菜备菜」，它的预配送食材盒精准命中了这个需求，早期复购和口碑都很亮眼。但当我们用增长质量关去拆它后期的增长，问题就暴露了——它的新客很大程度上是靠激进的折扣券和大规模广告投放拉来的。剔除补贴后，留存曲线衰减得很快：很多用户领了首单优惠就走，把订阅当成了一次性尝鲜。换句话说，它的规模化增长里掺了大量「被价格拉动」而非「被需求自走」的水分。第一关，它其实没有干净地通过。

第二关，组织承重关。 生鲜半成品是一门极重的运营生意——冷链、分拣、损耗、配送时效，每一个环节都需要把控。Blue Apron 在快速放量时，运营复杂度呈非线性上升，履约质量开始波动，而这套能力很难像软件那样靠系统一次性复制到每一个新增产能上。组织承重关考验的「能不能在放大时保持交付水准」，对这门生意构成了实打实的压力。

第三关，单位经济关。 这是压垮它的最后一关，也是最致命的一关。Blue Apron 的获客成本居高不下，而靠补贴拉来的用户留存又偏弱，导致LTV/CAC的关系在规模化过程中持续恶化——它把大量现金投进了获客，却换不回足够长久的用户价值。叠加生鲜本身的高履约成本和高损耗，规模越大，亏损的绝对值越大。单位经济关在这里给出了最冷酷的判决：这门生意在当时的成本结构下，越放量越失血。

回过头看，框架帮我们避免的，正是「被一个真实的PMF冲昏头脑」。如果在它估值巅峰、增长曲线最漂亮的时候，我们用死亡谷三关逐一审视——增长质量掺了多少补贴的水？组织承重扛不扛得住运营的非线性复杂度？单位经济在放量时是改善还是恶化？——三关全部亮起红灯。框架的价值不在于事后聪明，而在于它能在所有人都为增长曲线欢呼时，逼你冷静地问出那三个不讨喜的问题。这也是投黑马坚持做「左侧研究」的原因：最好的判断，往往是在共识最热的时候，依然守住一套不被情绪绑架的检验流程。

投黑马 · 左侧心法

死亡谷三关模型真正的价值，是把「规模化风险」从一种模糊的焦虑，变成三道可以逐一检验的具体关卡。它提醒你：PMF回答的是「方向对不对」，而规模化回答的是完全不同的三个问题——增长干不干净、组织扛不扛得住、经济算不算得过来。把这两套问题混为一谈，是早期投资里最昂贵的错误之一。

这个框架帮你避免的最大陷阱，是「被亮眼的早期数据诱导着过早踩油门」。漂亮的增长曲线极具迷惑性，因为它同时满足了创始人的雄心和投资人的期待，却可能掩盖着补贴驱动、组织失衡、单位经济倒挂这三颗定时炸弹。在掌声最响的时候保持提问的能力，才是穿越死亡谷的真正护城河。

需要强调的前提是：三关有严格的先后顺序，且不可跳过。任何一关没过就放大规模，都会把问题同步放大。这个模型适用于已验证PMF、正考虑或已启动规模化的项目；对尚未找到PMF的早期公司，先回去把方向问题解决，再来谷口排队。

── 投黑马研究团队

延伸阅读

• 创始人压力测试：「战时能力」比BP重要100倍 —— 第二关「组织承重」的延伸，看创始人能力如何决定一家公司放大时扛不扛得住。
• 市场规模的三种算法：TAM/SAM/SOM —— 第一关「增长质量」的上游问题，增长天花板到底有多高，决定了规模化的想象空间。
• 退出决策树：为什么「死拿」不是信仰，而是一场赌博 —— 当三关亮起红灯，如何用决策树判断是加注、坚守还是离场。

一、开篇——这笔IPO为什么不普通

双重股权这四个字，把一桩史上最大的IPO，变成了一堂关于「谁说了算」的公开课。本周登陆纳斯达克的SpaceX，以约750亿美元的募资规模刷新纪录，定价135美元、估值约1.75万亿美元，首日股价上涨近两成、市值一举突破两万亿美元。但真正值得融资观察拆解的，不是这串估值数字，而是藏在招股文件里的四个不寻常细节。

第一，经济权与控制权的史诗级背离。据SpaceX向监管机构提交的招股文件（S-1/A），创始人持有的股权约为42%，但在IPO完成后掌握约82.4%的投票权。第二，这种背离不是偶然，而是被精心设计的——公司采用双重股权架构，普通投资者买到的A类股每股一票，而创始人及少数内部人持有的B类股每股十票。第三，公司在上市前将注册地迁至得克萨斯州，当地公司法允许一些在原注册地受限的治理条款，等于给这套控制结构又加了一道锁。第四，市场的反应是分裂的：一边是大型养老金与治理基金公开质疑、集体回避，另一边是机构与散户超额三倍认购、个人投资者认购金额据报超过千亿美元。

一个被反复追问的细节是：在这套结构下，要罢免公司最有权力的高管，按数学计算需要他本人投票同意。换句话说，能解雇他的只有他自己。于是核心问题摆上台面：当一家两万亿美元的公司几乎把「问责」清零，机构为什么还抢着买单？而这种极致的创始人控制，对SpaceX的未来究竟是护城河，还是一颗定时器？这正是本期融资观察要回答的。

二、为什么是这个方向——一个逆潮流的选择

要读懂这笔IPO，先要看清它逆的是什么潮流。

过去十年，全球机构投资界的主流声音是「一股一票」。以美国机构投资者委员会为代表的治理力量长期主张：股权与投票权应当对等，多重股权架构因为割裂了二者，被越来越多的指数编制方与养老金列入警惕清单。监管与评级体系对「同股不同权」的新发行也日趋审慎。换句话说，时代的风,是朝着「削弱创始人特权、强化股东问责」吹的。

SpaceX偏偏反向而行,而且把控制权推到了极致——不仅保留十倍投票权的B类股，还通过迁移注册地进一步加固。这是一个典型的反叙事选择，背后的逻辑只有一条：长期主义需要免疫短期压力。从可复用火箭、到铺满天空的卫星互联网，再到如今押注的轨道算力，SpaceX过去二十多年里几乎每一个关键赌注，回报周期都以十年计，过程中还多次濒临破产。支持者的论点很直接：如果让这样一家公司随时暴露在季度财报与激进投资者的压力之下，它根本走不到今天。强控制，在这个叙事里不是缺陷，而是执行力的来源。

投黑马的判断是：这个方向选择本身没有对错，它是一场用「治理让步」交换「战略定力」的交易。真正的问题不在于该不该让创始人集权，而在于——这笔交易的价格，市场算清楚了吗？

三、投资人结构解读——一场用脚投票的分裂

这笔IPO最耐读的地方，是投资人阵营出现了清晰的裂缝。读懂谁在退、谁在进、各自图什么，就读懂了聪明钱对「控制权」的真实定价。

退场的一方：治理派的养老金与专门基金。 据公开披露的机构投资者联名信，多家大型公共养老金的负责人在上市前联名表达反对，核心理由是这套结构让公司「免于对公众股东问责的程度，在美国大型发行人中几乎闻所未闻」。一批以公司治理为投资纪律的基金选择直接回避这单——对它们而言，董事会独立性不足、罢免机制形同虚设，是不可逾越的红线。它们的缺席是一个强信号：这不是一笔「人人都能安心持有」的资产。

入场的一方：资产派的资管巨头、主权基金与散户。 与治理派的冷淡相反，大型资产管理公司、主权财富基金、对冲基金与散户同场抢筹，最终录得约三倍超额认购。它们买的显然不是治理，而是SpaceX资产的稀缺性——一张已经盈利的卫星互联网现金流网络，外加一份押在轨道算力上的高弹性期权。对这部分资金来说，「治理折价」是一个愿意支付的成本，用来换取一个几乎无法在别处复制的高增长敞口。

第三股力量：被动指数资金。 一旦被纳入主流宽基指数，追踪指数的被动基金将在规则驱动下买入。值得注意的是，部分指数体系对「同股不同权」的新成分股设有限制，这意味着这套结构在为创始人锁定控制权的同时，也可能让公司在某些被动资金池的纳入上付出代价——这是双重股权一个常被忽略的隐性成本。

把三股力量放在一起看，结论是清晰的：SpaceX的投资人结构不是「众星捧月」，而是「治理派出清、资产派接盘、被动盘补位」的三方分化。这种分化本身，就是融资观察眼中这笔交易最特殊的地方——它逼着每一个买家先回答一个问题：你买的，到底是公司的未来，还是创始人的判断？

四、护城河拆解——把「创始人强控制」当作护城河来检验

市场习惯把SpaceX的护城河算在火箭复用率和卫星数量上。但本期我们换一个角度：把「创始人强控制」这件事本身，当成一道护城河来拆，看它到底是真壁垒，还是被误读的风险。

看起来是护城河的部分是真实的。 单一决策者意味着极致的执行力与转向速度：可以在没有董事会冗长博弈的情况下，把一家AI公司迅速并入、把战略一夜压向轨道算力。在「从0到1」的阶段，这种不受掣肘的长期主义，确实是SpaceX奇迹的一部分来源。强控制在创新爆发期能转化为速度优势，这一点有大量公司史与学术研究支撑。

但这道护城河有明确的天花板和失效场景。 其一是关键人风险：当一家两万亿美元公司的命运高度绑定于一个无法被罢免的个体，继任真空与判断失误几乎没有缓冲垫，全部信任压在一个人身上。其二是问责缺失会放大叙事自循环的风险——当外部制衡接近于零，纠错只能依赖决策者自我修正。其三，也是最容易被估值忽略的一点：治理折价会随时间显形。研究显示，双重股权公司在高速成长期平均可以跑赢，但估值溢价往往随时间衰减，在上市约七到九年后，不少公司反而相对单层同股公司出现折价，尤其是在缺乏「日落条款」自动收回超级投票权的情况下。迁移注册地进一步降低了公众股东的司法救济空间，则让这种折价的潜在幅度更大。

投黑马的判断是：创始人强控制是一把双刃剑，它在「从0到1」是加速器，在「从1到N」可能逐渐变成估值的一道隐形税。它没有让SpaceX变得不值得投资，但它确实给这份资产标注了一个市场今天未必充分计价的「治理风险溢价」。

五、被市场低估的周边机会

本轮直接的投资窗口已经关闭——公司已经上市，散户即便参与认购也大多只拿到极小配额。但这桩以「双重股权」为标志的超级IPO，照亮了三个值得提前关注的周边机会。

机会一·其他创始人强控制的AI超级独角兽的二级份额。 SpaceX不是孤例，几家头部AI公司同样以各种形式将控制权高度集中于创始团队。同样的结构会催生同样的「控制溢价与治理折价」博弈，而它们尚未上市，pre-IPO二级份额是一个潜在的提前布局窗口。追踪信号：这些公司是否在融资文件中引入「日落条款」、以及其二级市场份额的定价与折溢价变化。

机会二·公司治理与代理投票服务。 多重股权架构的扩散，本身会放大市场对独立治理分析、代理顾问与ESG评级服务的需求——当越来越多巨头削弱股东问责，「替机构看懂治理风险」就成了刚需。追踪信号：治理类基金的资金流向、独立治理研究与代理顾问机构的融资与并购动作。

机会三·Pre-IPO二级流动性平台。 超级独角兽估值高企、散户一票难求，正在把大量需求挤向未上市股权的二级交易平台。SpaceX份额本身在这些平台上的折溢价，就是观察市场情绪的温度计。追踪信号：主流二级股权平台的成交量、活跃买家结构，以及头部独角兽份额的二级定价。

这三个机会的共同点是：它们都不押注SpaceX本身的涨跌，而是押注「超级独角兽+强控制」这一结构性现象在一级与二级市场之间撕开的缝隙。

六、黑马判断与布局建议

分层布局建议：

对一级市场投资者而言，与其追逐已上市的SpaceX，不如扫描同样「创始人强控制」的头部AI独角兽，在其二级份额上寻找提前布局窗口；选股标准是关注是否设有「日落条款」与相对清晰的继任安排，这两点直接决定治理折价的上限。

对二级市场投资者而言，参与SpaceX要清醒地意识到，你买到的是「资产+一份你无法投票影响的判断」，仓位管理上应把它当作高弹性、低治理保护的标的，并持续跟踪其是否被纳入主流指数、以及治理结构是否出现松动。

对创业者而言，这套结构提供的镜鉴是：在融资早期就把控制权与问责机制设计清楚，比上市前临时加固更可信；越来越多机构开始为「治理可读性」付费，清晰的治理本身正在成为一种融资竞争力。

风险披露：

• 治理折价兑现（中等概率，影响二级持有者）： 若估值溢价如历史规律般随时间衰减，公众股东将在缺乏问责工具的情况下被动承受折价。
• 关键人风险（低概率、高杀伤，影响全体股东）： 公司命运高度绑定单一不可罢免的决策者，继任真空或重大判断失误几乎没有制度缓冲。
• 叙事兑现不及预期（中等概率，影响估值中枢）： 两万亿美元市值中包含对轨道算力等未验证故事的大量预期，技术或商业化节点延期将直接冲击定价。
• 被动资金纳入受限（低概率，影响流动性溢价）： 部分指数体系对同股不同权新成分股的限制，可能削弱被动资金的承接力度。

结语： 回到开篇那个问题——当一家两万亿美元的公司几乎清零了问责，机构为何还抢着买？答案是，市场今天选择为「控制溢价」付费，相信强控制能继续兑现奇迹。但融资观察更想提醒的是：历史上，这份溢价往往会被时间一点点换成治理折价。真正聪明的钱，不会简单地为一个人的判断买单或离场，而是去寻找这种结构在市场缝隙里撕开的、被低估的机会。看懂一笔融资的控制权设计，往往比看懂它的估值数字，更能预判它的下一程。

── 投黑马研究团队

免责声明：本文为基于公开信息的研究分析，不构成任何投资建议。市场有风险，决策需谨慎。

轨道数据中心这个词，半年前还像是科幻小说的边角料，如今却已是三家公司真金白银烧着硬件在天上跑的现实战场。就在本周，一家刚以史上最大规模IPO登陆纳斯达克、上市首日市值即突破两万亿美元的商业航天巨头，向监管机构申报了一百万颗算力卫星的部署计划——这个数字本身不重要，重要的是它把一个被忽略的判断摆到了台面上：地球，可能正在变成AI算力的瓶颈，而不是它的家。

一、为什么现在是关键窗口

先说一个反常识的事实：当下最贵的那批AI数据中心，争的早已不是芯片，而是电、是地、是水、是散热。一座百兆瓦级的训练集群，落地选址第一个问题不是「算力多强」，而是「附近电网够不够」。当算力需求开始以年翻倍的速度撞上地面电网的物理天花板时，一个原本属于航天工程师的答案，突然被AI基础设施的投资人重新捡了起来——把数据中心搬到轨道上去。

这不是PPT上的概念。据公开报道，轨道数据中心这个赛道，从「概念」走到「竞争」只用了不到一百二十天，目前已有三家公司的算力硬件真实运行在轨道上。YC孵化的创业公司Starcloud在去年十一月把搭载英伟达H100的卫星送上天，并完成了人类首次在太空训练AI模型；与此同时，SpaceX与xAI合并而成、市值首日破两万亿美元的实体申报了百万量级的算力卫星，谷歌的「Project Suncatcher」也披露了自己的轨道算力计划，准备在2027年做首次在轨测试。

对投黑马的读者来说，真正该问的问题从来不是「火箭能飞多高」，而是「当一整个产业的物理边界开始外移时，左侧的钱应该提前埋在哪一层」。本期黑马雷达不谈某一枚火箭的估值——那是二级市场的功课；我们要拆的是这条刚刚点火的赛道：它的真实逻辑是什么，谁手里握着护城河、谁脚下踩着隐患，以及那些还没被资本拥挤起来的早期机会，究竟藏在哪里。

二、核心变量：为什么AI算力会被推上天

要理解这个战场，得先理解一件事——把数据中心送上天，听起来荒诞，算的却是一笔越来越清醒的经济账。

地面数据中心今天面对的是四重硬约束。其一是电力：AI训练是电老虎，而电网扩容以年为单位、以行政审批为节奏，远跟不上算力以月为单位的扩张。其二是土地与水：超大规模集群需要连片土地和海量冷却水，越来越多地方政府已开始对其设限。其三是散热：电力的尽头是热，地面数据中心近四成的能耗实际上花在「把热搬走」上。其四是碳与舆论：能耗越大，绿电压力与社会争议越大。

把同一座数据中心放到近地轨道上，这四重约束的解法几乎被颠倒了过来。在特定的「晨昏轨道」上，卫星可以接近全天候被太阳直射——电力不仅免费，而且密度更高、不分昼夜。真空环境意味着不需要风冷或水冷，热量可以通过辐射板直接散向绝对零度的宇宙背景，这恰恰是地面最头疼、太空最擅长的事。没有土地、没有水、没有邻避抗议。换句话说，地面数据中心是「带着算力到处找电」，轨道数据中心则是「把算力搬到电免费、散热免费的地方」。

这就是这条赛道的核心变量：当发射成本被可复用火箭压到某个临界点之下，「上天」的总拥有成本就会开始低于「在地面找电扩容」。一旦这条曲线交叉，资本会用脚投票。本期要定义的战场，正是这个尚未被主流认知充分定价的物理边疆——轨道AI基础设施。它不是航天的延伸，而是AI数据中心产业在地球之外的续命方案。投黑马的判断是：这条赛道的临界点，比多数人以为的更近。

三、竞争格局：谁在赢，谁踩着隐患

这个战场目前清晰地分成三个阵营，各有各的护城河，也各有各的命门。

第一阵营·垂直整合的发射方。 以SpaceX与xAI合并、上市首日市值逾两万亿美元的实体为代表，它的护城河无人能及：自己造火箭、自己造卫星、自己有算力需求，发射、平台、负载三位一体。当别人还在为「谁帮我发上天」谈判时，它已经能把边际发射成本压到内部成本价。隐患同样明显：它的轨道算力故事高度依赖一个尚未验证的宏大叙事，且公司治理高度集中于单一决策者，重大方向几乎无外部制衡——这是把信任押注在一个人判断上的隐含成本。投黑马只陈述事实：发射端的绝对优势，与执行端的叙事风险，在它身上同时存在。

第二阵营·携生态入场的科技巨头。 谷歌的「Project Suncatcher」走的是另一条路——太阳能卫星搭载自研AI芯片、彼此用激光链路连成在轨集群，已就发射服务与SpaceX接触，并与对地观测卫星公司Planet合作验证。英伟达则推出了面向轨道数据中心的太空级算力模组「Space-1 Vera Rubin」，等于在为整条赛道铺芯片底座。这一阵营的护城河是芯片、资本与生态完整度；隐患是慢——谷歌的首次在轨测试要到2027年，比那些已经把硬件送上天的创业公司晚了一年半。在一个「先在轨者先拿到验证数据」的赛道里，慢，本身就是风险。

第三阵营·已在轨的创业公司。 这是黑马雷达最关注的一层。Starcloud（位于美国华盛顿州雷德蒙德）成立仅约两年，去年十一月发射的首颗卫星Starcloud-1已搭载商用H100完成在轨AI训练，被英伟达列为生态伙伴，最新一轮约1.7亿美元由Benchmark领投、运营着七十多座地面数据中心的基础设施基金EQT跟投，估值站上约11亿美元，是YC史上最快跻身独角兽的公司之一，并已申报近八万八千颗卫星的部署。它的护城河是「最早把真实算力跑在轨道上」的验证身位与资本卡位；隐患则是从「一颗H100」到「近九万颗卫星」之间，隔着散热规模化、批量发射成本、在轨运维这些尚未跑通的硬骨头。

同一阵营里还有两个值得点名的玩家。洛杉矶的Orbital由a16z旗下加速器Speedrun孵化，刻意避开最烧钱的「训练」战场，专攻「推理」——因为训练需要数千颗GPU近零延迟密集互联，而推理请求可以被拆开分散处理，对在轨架构更友好，这是一个被低估的务实选择，其首次测试任务计划于2027年4月。另一家Cowboy Space（由Aetherflux更名而来）则把激进推到极致：让火箭上面级本身留在轨道上、直接充当一座兆瓦级的太空数据中心，把「运载工具」和「数据中心」合二为一，单笔募资就达约2.75亿美元，目标在2027年点亮其名为Stampede的在轨算力节点。

此外，赛道里还有一支由之江实验室与商业航天公司国星宇航（ADA Space）联合推进的「三体计算星座」，已在去年五月规模化把首批12颗计算卫星送入轨道，单星算力达约744 TOPS、总体规划约2800颗、千级POPS的星座算力，并已在轨验证星间激光链路与AI模型运行。从纯赛道角度看，它证明了「在轨算力网络」不只是创业公司的实验，而是已被工程级资源验证过可行性的方向——这对一级市场判断赛道成熟度，是一个不可忽略的客观信号。

四、被市场低估的早期机会

巨头的发射价签和创业公司的估值，都已经被资本照得通亮。但黑马雷达真正的价值，是去那些光还没打过去的角落。下面四个机会，每一个都过了三层过滤——需求真实、当前方案稀缺、认知差显著。

机会一·太空热管理系统。 这是整条赛道最硬的物理瓶颈，也是最没被讲故事的环节。算力上天解决了供电，却把散热从「水冷工程」变成了「真空辐射工程」——所有热量只能靠辐射板散向宇宙，散热面积、材料与展开结构直接决定一颗算力卫星能塞进多少GPU。谁能把单位散热面积的功率密度做上去，谁就握住了轨道算力的「天花板螺栓」。当前能做空间级大功率热控的供应商屈指可数。追踪信号：地面液冷/相变散热厂商是否成立航天事业部、或与轨道算力公司签订联合开发协议。

机会二·在轨光通信与激光星间链路。 算力在天上，需求在地上，这中间的数据怎么回传、卫星之间怎么组成算力集群，全靠激光通信。训练任务尤其要求多星近零延迟互联，这等于要在太空里搭一张光纤骨干网。这一层的需求是刚性的——没有它，单颗算力卫星就是信息孤岛。当前具备空间激光通信批量交付能力的玩家极少，认知差显著。追踪信号：星间激光终端的在轨组网演示、单链路速率突破、以及轨道算力公司是否自研还是外采。

机会三·辐射加固与抗辐射芯片封装。 商用H100上天能跑，不代表能长期稳定跑。轨道辐射会让消费级/数据中心级芯片出现位翻转、加速老化，要把地面芯片「太空化」，需要在封装、屏蔽与容错架构上做文章。这是一个介于半导体与航天之间的窄门赛道，懂芯片的不懂太空、懂太空的不懂AI芯片，交叉地带的早期公司极稀缺。追踪信号：商用GPU的空间级加固方案流片、在轨长周期可靠性数据公开。

机会四·地面—轨道算力调度中间件。 这是最像「软件」的一个机会，也最容易被硬件叙事淹没。当算力分布在天上成百上千颗卫星、而需求来自地面千行百业时，「哪个任务该发给哪颗星、何时调度、如何计费」就成了一个全新的编排问题。这与投黑马在第007期反复强调的「中间件吃肉」逻辑一脉相承——基础设施越复杂，调度层的价值越高。当前这一层近乎空白，没有事实标准。追踪信号：轨道算力公司是否开放API、是否出现第三方在轨推理调度平台、地面云厂商是否接入轨道算力。

五、关键变量追踪

这条赛道的真伪与节奏，可以靠三个变量来判读。每个变量都有具名、可观测的信号。

变量一·发射成本曲线。 这是整条赛道的「总开关」。轨道数据中心的经济性，本质上是发射成本除以卫星寿命。信号有二：一是新一代重型可复用火箭的入轨成功率与复用次数能否稳定爬升，二是每公斤入轨成本是否持续向「百美元级」逼近。这条曲线一旦击穿临界点，「上天比扩容便宜」就从口号变成财务模型。

变量二·在轨验证里程碑。 赛道目前最缺的是「规模化可靠运行」的证据。信号有三：Starcloud能否公开更大规模的在轨训练/能耗数据、Orbital在2027年4月的推理首飞成败、以及谷歌Project Suncatcher与Cowboy Space在2027年的在轨测试结果。这三个节点会在未来十八个月内密集落地，是判断「故事兑现速度」的硬指标。

变量三·资本与产业转向信号。 钱往哪流，赛道就往哪熟。信号有二：一是顶级风投与基础设施基金是否对在轨算力公司持续加注（尤其是运营地面数据中心的资本开始「向天上对冲」，本身就是强信号），二是各国主权基金与产业政策是否把轨道算力列为战略基建。

三变量的联动逻辑： 发射成本下行（变量一）会触发更密集的在轨验证（变量二），验证一旦跑通，资本与政策会加速涌入（变量三），而充裕的资本又会反哺更高频的发射、进一步摊薄成本——这是一条典型的「成本—验证—资本」飞轮。飞轮一旦转起来，赛道的窗口期会比想象中关闭得更快。

投黑马·独家评级

赛道热度：🔥🔥🔥🔥🔥　　硬件已在轨、巨头与创投同时入场，半年从概念到竞争
左侧机会：⭐⭐⭐⭐　　　　运营层估值已抬升，但卖铲子的基础设施层仍是洼地
布局紧迫度：⚡⚡⚡⚡　　成本—验证—资本飞轮已启动，窗口期以季度计

推荐关注层次：
太空热管理/激光通信（卖铲子） ＞ 在轨算力运营商 ＞ 轨道调度中间件（非共识）

七、分层布局建议与风险披露

第一层·基础设施，低风险长周期。 押注「无论谁赢都要用」的卖铲子环节：太空热管理、激光星间通信、辐射加固封装。逻辑是这一层不赌某家运营商胜出，只赌赛道本身成立；选股标准是「在轨已有交付或联合开发协议、且地面业务能造血」的硬科技公司；时间窗口是未来12–24个月,趁运营层光环尚未传导到供应链估值时提前埋伏。

第二层·在轨算力运营商，中风险中周期。 即那批已经或即将把算力送上天的创业公司。逻辑是它们卡住了「最早在轨」的验证身位；选股标准是「已有真实在轨数据 + 头部资本背书 + 清晰的训练或推理路线选择」，警惕只有申报数字没有飞行记录的公司；时间窗口锚定2027年的几次关键首飞，飞行成败将直接重定价整层估值。

第三层·平台与非共识，高风险短周期。 包括「火箭即数据中心」的激进垂直整合者，以及尚未成形的轨道算力调度平台。逻辑是赌一个尚未被验证的架构范式；选股标准是「技术路线足够差异化、且团队具备跨航天与AI的稀缺复合能力」；时间窗口最短、波动最大，只适合作为组合里的高赔率小仓位。

风险披露：

• 散热与规模化物理失效（中高概率，主要冲击第二、三层）： 从「一颗H100在轨」到「数万颗卫星组成算力集群」，散热面积与功率密度可能存在尚未跨越的工程天花板，导致单星算力远低于宣传，运营商估值面临重估。
• 发射成本未达临界（中概率，冲击全部三层）： 若新一代重型火箭的复用与降本节奏不及预期，「上天比扩容便宜」的财务前提就不成立，整条赛道的时间表会整体后移。
• 地面侧技术突破釜底抽薪（低概率、高杀伤，主要冲击运营层）： 若地面在小型核能供电、先进液冷或能效上出现跃迁，「电力与散热」这两个把算力逼上天的核心痛点被地面化解，轨道方案的经济性优势将被显著削弱。
• 轨道资源与监管约束（中概率，冲击第二、三层）： 频谱、轨道位置与日益拥挤的近地空间，可能带来审批与协调成本的上升，万颗级星座的部署节奏存在不确定性。

结语： 回到开篇那个问题——当一百万颗算力卫星的申报摆上台面，多数人看到的是一枚火箭飞得多高，而左侧研究者要看的，是一整个产业的物理边界正在外移。轨道数据中心是否会成为AI算力的最终归宿，今天没有人能下定论；但「算力开始逃离地球」这件事本身，已经为提前布局的人画出了清晰的几层。投黑马的态度一如既往：不追尾焰的掌声，只在别人仰望火箭时，低头记下那些卖铲子、搭骨干、写调度的人——他们的名字，往往才是赛道兑现时真正升空的那一批。

投黑马·信号解读

轨道数据中心赛道在不到半年里完成了从概念到竞争的跃迁，三家公司硬件已在轨、巨头与顶级创投同场入局。投黑马的核心判断是：这不是航天故事的续集，而是AI基础设施在地面电力、土地与散热约束下，向地球之外寻找的续命方案——它的驱动力来自AI算力需求，而非火箭本身。

真正的左侧机会，并不在已被资本照亮的在轨运营层，而在尚处洼地的「卖铲子」环节：太空热管理、激光星间通信、辐射加固封装，以及几乎空白的地面—轨道算力调度中间件。基础设施越复杂，越靠后的环节越值钱，这是投黑马反复验证过的左侧规律。

接下来十八个月，三个信号值得持续盯紧：每公斤入轨成本是否击穿临界点、2027年几次关键在轨测试的成败、以及运营地面数据中心的资本是否开始「向天上对冲」。这三者一旦共振，「成本—验证—资本」飞轮就会加速，而赛道的左侧窗口，也会随之以季度为单位悄悄关闭。

── 投黑马研究团队